به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

سلام
سوال اول : بنظرتون دیتااگمینتیشن برای دیتاست بزرگ خوبه ؟ عاقلانه هست اصلا این کار ؟
سوال دوم : دیتاستی که دارم تعداد ترینش 7500 و تستش 7800 تا تست داره و تصایرم 375*1242 هستند و از شبکه کانولوشن هم استفاده میکنم حالا یا VGG یا گوگول و ... برای این دیتاست دیتااگمینیشن بنظرتون خوبه ؟

توسط (389 امتیاز)

1 پاسخ

0 امتیاز

دیتاآگمنتیشن حتی در دیتاست های به بزرگی ImageNet هم استفاده می‌شود. افزایش داده و ایجاد تنوع در صورتی که به شکل منطقی و مفید انجام بشود در generalization و مبارزه با overfitting خیلی کارآمد هست.
درمورد دیتاست هم رزولوشنتون نسبت به تعداد داده بسیار بالا هست. سعی کنید رزولوشنتون را حداقل۳ یا ۴ برابر کاهش بدید. یا دیتاستتون را بزرگ تر کنید (البته نه به روش های مصنوعی).

توسط (397 امتیاز)
ویرایش شده توسط
در واقع سایز دیتاست رو resize کنم تقریبا به 250 اینا ؟
و سوال دیگه : برای ConvNet باید طول و عرض تصاویر یکی بشه حتما ؟
بله اون سایز خیلی مناسب تر هست. البته می توانید بجای ری‌سایز کردن از روش های pooling داخل شبکه عصبی تون هم استفاده کنید
نه طول و عرض تصویر می توانند متفاوت باشند
...